Post-Translation and Holocaust Memory in Social Media: The Case of Eva Stories
Notice bibliographique
Résumé
This article aims to show that, in the digital age, traditional definitions of meaning, text, and translation are insufficient to reflect the virtual reality in which digital texts circulate. Virtual social networks are an ideal space for the (re)production of discourses and (re)presentation of identities and cultures. Just as the so-called shift from the monomodal to the multimodal represents a turning point in our way of perceiving meaning, text, and translation, the prevalent use of new media and screen-based communication requires new translation paradigms that reject the pre-established dichotomies of the discipline and attend to the multimodal, open, and fluid character of the texts that we receive, read, and share daily. With the proliferation of mediations and intermediaries between events and their narration, it is not unreasonable to question today how these events have been translated and how their discourses are post-translated within this digital space. In order to show how new texts are remediated and constitute rewritings and post-translations, this paper analyzes Eva Stories (Instagram, 2019), a mini-series launched on Instagram Stories, as a post-translation of Éva Heyman’s diary (Zsolt, 1948) remediated and retold through a different medium and in a completely different context. Éva was a 13-year-old victim of the Holocaust. This event, though repeatedly defined as ineffable, has been represented, rewritten, translated, and post-translated in countless ways, thereby giving rise to on-going ethical debates the article also seeks to address.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,016 | 0,023 |
| Communication savante | 0,015 | 0,015 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».